n8n实例健康与OpenAI花费看板

原文要点

来源是n8n.io免费模板，面向自建n8n自监控：每小时跑1小时guard窗口、每周一9点跑7天digest窗口；调n8n API列活动流程并拉执行，计算运行量、失败、错误率、p95耗时、在执行数据含usage时估算OpenAI花费；guard会查Guard_Log冷却抑制重复告警，critical时经API停用未打保护标签的流程并发Slack、写表；digest读Metrics_History、聚类相似报错，交OpenAI写周报，Gmail发HTML、Slack发TL;DR并写回历史。

这次做成什么

在测试n8n实例上搭一套「别把自己搞挂」的监控练习：每小时汇总流程健康指标，critical才自动停用未保护流程并留痕；每周生成一份结构化周报。重点是把阈值、冷却、保护标签、两张Google Sheet和五个凭据先配置对，而不是追求花哨看板。

准备什么

• 一个自建或可控的测试n8n实例，能创建API key，并允许监控流程读取执行列表；不要先对生产实例开自动停用
• Google Sheets、Slack、Gmail、OpenAI四类凭据；练习期Slack用测试频道，Gmail发给自己的别名地址
• 一个Google Sheet，含Guard_Log与Metrics_History两个tab，可写入审计和历史快照
• 明确哪些流程永不自动停：先给它们打no-auto-disable或critical标签，再启用监控

具体怎么做

1. 建表与占位符替换

   在Google Sheet建Guard_Log、Metrics_History两tab。Guard_Log字段建议logged_at、workflow_id、workflow_name、severity、failing_node、error_message、alert_key、cooldown_until、action_taken；Metrics_History字段建议week_start、workflow_id、runs、failures、error_rate、p95_ms、estimated_openai_cost、notes。把所有YOUR_GOOGLE_SHEET_ID、YOUR_SLACK_CHANNEL_ID换成测试ID。

2. 建n8n API Header Auth凭据

   在n8n生成API key，凭据类型用HTTP Header Auth，Header名严格按X-N8N-API-KEY，值为该key。监控流程调用的是本实例n8n API；具体请求路径以模板节点为准，不要凭记忆拼endpoint。先用一个只读测试确认能列流程，再开写权限。

3. 设置监控配置

   把模板配置区改为你的环境：n8n base URL、guard窗口1小时、digest周一09:00、warning/critical阈值、cooldown分钟数、OpenAI模型名、收件邮箱。练习建议error_rate warning≥10%、critical≥30%，p95_ms只做观察不告警，cooldown=120分钟，避免同一失败刷屏。

4. 先跑只读guard演练

   临时把停用动作改成仅写日志，造一个连续失败的测试流程。观察是否计算runs/failures/error_rate/p95_ms，是否从最近失败执行抽出failing_node和error_message，是否查Guard_Log冷却抑制重复。通过后才把critical分支改回可停用。

5. 验证保护标签与自动停用

   给一个重要流程打no-auto-disable或critical标签，另一个无标签测试流程制造critical失败。结果应是：有标签流程只告警不停用；无标签流程被API停用，Guard_Log写入action_taken=deactivated，Slack收到含workflow、节点、错误摘要的消息。

6. 跑digest周报练习

   向Metrics_History写入下方合成一周数据，手动执行digest分支。流程应抽样失败执行、把相似error_message聚类，连同趋势发给OpenAI生成结构化摘要；Gmail收到HTML，Slack收到TL;DR，最后把本周快照追加回Metrics_History。

可直接复制的材料

{"n8n_base_url":"https://n8n.example.test","guard_window_minutes":60,"digest_cron":"0 9 * * MON","thresholds":{"warning_error_rate":0.10,"critical_error_rate":0.30,"min_runs_for_alert":5,"p95_observe_only_ms":120000},"alert_cooldown_minutes":120,"protected_tags":["no-auto-disable","critical"],"openai_model":"按原模板节点填写","digest_email":"ops-test@example.test","auto_disable_dry_run_first":true}

你是n8n运维周报编辑。只根据输入JSON写周报，不编造未提供的执行数、费用或原因。
输出固定四段：
1 本周总览：runs、failures、error_rate、p95_ms、estimated_openai_cost与上周相比的升降；没有上周数据就写「无对比」。
2 需要处理的前3个问题：按失败数或error_rate排序，给出workflow_name、最常见错误聚类、建议下一步。
3 已自动处置：列出Guard_Log中action_taken=deactivated的流程；没有就写「无」。
4 风险提示：费用只是估算，仅在执行数据含usage时有效；p95样本不足时不下结论。
输入：{{$json.digest_payload}}

week_start,workflow_id,workflow_name,runs,failures,error_rate,p95_ms,estimated_openai_cost
2026-10-05,wf_lead,Lead Sync,420,18,0.0429,1830,2.31
2026-10-05,wf_invoice,Invoice Mail,96,31,0.3229,5420,0.87
2026-10-05,wf_backup,Backup Check,168,0,0.0000,940,0.00
2026-10-05,wf_ai,Draft Writer,260,12,0.0462,3880,5.44

输入与输出示例

本站虚构演示，非OpenAI返回；数字由合成输入直接汇总，不声称调用过真实API。

输入

digest_payload含上方4行Metrics_History，且Guard_Log本周有一条：workflow_name=Invoice Mail，severity=critical，failing_node=SMTP Send，error_message=535 auth failed，action_taken=deactivated，cooldown_until=2026-10-06T11:00:00Z。

对应输出

周报关键行示意：总览写入总runs=944、failures=61、error_rate=6.46%、estimated_openai_cost=8.62美元且标注估算；前3问题第一为Invoice Mail，错误率32.29%，聚类为SMTP认证失败；已自动处置列Invoice Mail deactivated；风险提示写「usage缺失的流程不计入费用，p95样本少仅观察」。

做完检查这些

• 只读演练时任何流程都不会被停用，但Guard_Log仍能写出alert_key与cooldown_until
• critical且无保护标签的流程被停用后，Guard_Log同条记录含failing_node、error_message、action_taken=deactivated
• 带no-auto-disable或critical标签的流程即使阈值超线也只告警，不停用
• 重复同一失败在cooldown内不重复发Slack，超过cooldown才再次告警
• digest发出的Gmail/Slack内容能回指Metrics_History行，费用明确标为估算，不写精确账单

容易卡住的地方

• 自动停用是高危动作；先dry-run，再给保护标签，最后小范围开启，否则监控可能把关键流程一起关掉
• Header名必须是X-N8N-API-KEY；key权限过大或实例URL指向生产，都会放大误操作半径
• OpenAI花费只有在执行数据含usage时才可估算，缺usage的流程不能按比例硬推总账
• p95在样本很少时不稳定；本练习把它设为观察项，不单独触发critical
• Gmail/Slack/Sheets限流或凭据过期会造成「告警发了但没写表」，要把三类写入结果都纳入检查
• 不要把监控流程自身算进被监控列表；来源明确排除this monitor，配置时要保留该排除